Google GeminiとPostgreSQLを使ったGLPIナレッジベースRAGパイプライン

Name: Google GeminiとPostgreSQLを使ったGLPIナレッジベースRAGパイプライン
Rating: 4.5 (10 reviews)
Author: Thiago Vazzoler Loureiro

中級

これはInternal Wiki, Multimodal AI分野の自動化ワークフローで、9個のノードを含みます。主にAgent, ChatTrigger, LmChatGoogleGemini, MemoryBufferWindow, VectorStorePGVectorなどのノードを使用。 Google GeminiとPostgreSQLを使用したGLPI知識ベースRAGパイプライン

前提条件

•Google Gemini API Key

使用ノード (9)

EmbeddingsGoogleGemini

カテゴリー

内部Wiki

マルチモーダルAI

ワークフロープレビュー

ノード接続関係を可視化、ズームとパンをサポート

AIエージェント

Google Gemini チャットモデル

チャットメッセージ受信時

Embeddings Google Gemini1

Embeddings Google Gemini3

CONHECIMENTO_TI_GLPI

CONFLUENCE_TI_CONFLUENCE_SGU_GPL

シンプルメモリ

React Flow

ワークフローをエクスポート

以下のJSON設定をn8nにインポートして、このワークフローを使用できます

{
  "meta": {
    "instanceId": "98986c4dc0b4b2af9fd0666d254f8b80e6e6b2044e2f3f3eedc76242999f4b5e",
    "templateCredsSetupCompleted": true
  },
  "nodes": [
    {
      "id": "faa18c92-30d0-481f-b073-0b5efa68fbdf",
      "name": "AIエージェント",
      "type": "@n8n/n8n-nodes-langchain.agent",
      "position": [
        3824,
        992
      ],
      "parameters": {},
      "typeVersion": 1.8
    },
    {
      "id": "dd67e0b2-9986-4506-813e-d9d79b0b9f7b",
      "name": "Google Gemini チャットモデル",
      "type": "@n8n/n8n-nodes-langchain.lmChatGoogleGemini",
      "position": [
        3392,
        1232
      ],
      "parameters": {},
      "typeVersion": 1
    },
    {
      "id": "0667b08a-42f9-4c74-9560-75f196147468",
      "name": "チャットメッセージ受信時",
      "type": "@n8n/n8n-nodes-langchain.chatTrigger",
      "position": [
        3488,
        992
      ],
      "webhookId": "8850cfe1-5a35-4bc9-9c02-91ccf4b82c58",
      "parameters": {},
      "typeVersion": 1.1
    },
    {
      "id": "e828b8eb-b88f-425b-aaca-7081a0145c08",
      "name": "Embeddings Google Gemini1",
      "type": "@n8n/n8n-nodes-langchain.embeddingsGoogleGemini",
      "position": [
        4192,
        1440
      ],
      "parameters": {},
      "typeVersion": 1
    },
    {
      "id": "6f220ede-5bbf-48b7-a5b1-48052fb1dd87",
      "name": "付箋ノート",
      "type": "n8n-nodes-base.stickyNote",
      "position": [
        3488,
        800
      ],
      "parameters": {
        "content": ""
      },
      "typeVersion": 1
    },
    {
      "id": "761568e7-36aa-4dd2-8dc1-a037b0c27218",
      "name": "Embeddings Google Gemini3",
      "type": "@n8n/n8n-nodes-langchain.embeddingsGoogleGemini",
      "position": [
        3904,
        1424
      ],
      "parameters": {},
      "typeVersion": 1
    },
    {
      "id": "e25c8e1e-a871-491e-ad86-fd9575700f96",
      "name": "CONHECIMENTO_TI_GLPI",
      "type": "@n8n/n8n-nodes-langchain.vectorStorePGVector",
      "position": [
        4208,
        1280
      ],
      "parameters": {},
      "typeVersion": 1.1
    },
    {
      "id": "19487e55-30d4-4570-a9e2-6ff9ce92c615",
      "name": "CONFLUENCE_TI_CONFLUENCE_SGU_GPL",
      "type": "@n8n/n8n-nodes-langchain.vectorStorePGVector",
      "position": [
        3824,
        1264
      ],
      "parameters": {},
      "typeVersion": 1.1
    },
    {
      "id": "2fe1ca70-36ee-4593-bf7d-33bc1d4ea9f9",
      "name": "シンプルメモリ",
      "type": "@n8n/n8n-nodes-langchain.memoryBufferWindow",
      "position": [
        3648,
        1248
      ],
      "parameters": {},
      "typeVersion": 1.3
    }
  ],
  "pinData": {},
  "connections": {
    "faa18c92-30d0-481f-b073-0b5efa68fbdf": {
      "main": [
        []
      ]
    },
    "2fe1ca70-36ee-4593-bf7d-33bc1d4ea9f9": {
      "ai_memory": [
        [
          {
            "node": "faa18c92-30d0-481f-b073-0b5efa68fbdf",
            "type": "ai_memory",
            "index": 0
          }
        ]
      ]
    },
    "e25c8e1e-a871-491e-ad86-fd9575700f96": {
      "ai_tool": [
        [
          {
            "node": "faa18c92-30d0-481f-b073-0b5efa68fbdf",
            "type": "ai_tool",
            "index": 0
          }
        ]
      ]
    },
    "dd67e0b2-9986-4506-813e-d9d79b0b9f7b": {
      "ai_languageModel": [
        [
          {
            "node": "faa18c92-30d0-481f-b073-0b5efa68fbdf",
            "type": "ai_languageModel",
            "index": 0
          }
        ]
      ]
    },
    "e828b8eb-b88f-425b-aaca-7081a0145c08": {
      "ai_embedding": [
        [
          {
            "node": "e25c8e1e-a871-491e-ad86-fd9575700f96",
            "type": "ai_embedding",
            "index": 0
          }
        ]
      ]
    },
    "761568e7-36aa-4dd2-8dc1-a037b0c27218": {
      "ai_embedding": [
        [
          {
            "node": "19487e55-30d4-4570-a9e2-6ff9ce92c615",
            "type": "ai_embedding",
            "index": 0
          }
        ]
      ]
    },
    "0667b08a-42f9-4c74-9560-75f196147468": {
      "main": [
        [
          {
            "node": "faa18c92-30d0-481f-b073-0b5efa68fbdf",
            "type": "main",
            "index": 0
          }
        ]
      ]
    },
    "19487e55-30d4-4570-a9e2-6ff9ce92c615": {
      "ai_tool": [
        []
      ]
    }
  }
}

よくある質問

このワークフローの使い方は？

上記のJSON設定コードをコピーし、n8nインスタンスで新しいワークフローを作成して「JSONからインポート」を選択、設定を貼り付けて認証情報を必要に応じて変更してください。

このワークフローはどんな場面に適していますか？

中級 - 内部Wiki, マルチモーダルAI

有料ですか？

このワークフローは完全無料です。ただし、ワークフローで使用するサードパーティサービス（OpenAI APIなど）は別途料金が発生する場合があります。

関連ワークフロー

Gemini RAGパイプラインを使ったドキュメント専門家チャットボット

Gemini RAGパイプラインを使用したドキュメント専家チャットボット

RAGとGoogle Gemini APIを使用したIPLクリケット規定質疑応答チャットボット

RAGとGoogle Gemini APIに基づくIPLクリケットルールQ&Aチャットボット

🤖 RAG、Gemini、Supabase を使用してドキュメントエキスパットロボットを作成

🤖 RAG、Gemini、Supabaseを使用してドキュメント専門ボットを作成

AI販売エージェント：WhatsAppと网站販売エージェント（RAG）

マルチプラットフォーム売上エージェントの自動化

RAG、CRM、および決済処理を使用したマルチプラットフォーム販売エージェント

n8nノードの探索（可視化リファレンスライブラリ内）

n8nノードを可視化リファレンスライブラリで探索

ワークフロー情報

難易度

中級

ノード数9

カテゴリー2

ノードタイプ7

難易度説明

経験者向け、6-15ノードの中程度の複雑さのワークフロー

作成者

Thiago Vazzoler Loureiro

@thiagovazzoler

Building Custom Automations with n8n | Node.js Developer | Integration Specialist | Open Source Contributor If you need help with n8n workflows, API integrations, or custom nodes, feel free to connect on LinkedIn: http://linkedin.com/in/thiago-vazzoler-loureiro-24056227

外部リンク

n8n.ioで表示 →

このワークフローを共有